$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

교차 프로젝트 결함 예측을 위한 유사도 측정 기법 비교 연구
A Comparative Study on Similarity Measure Techniques for Cross-Project Defect Prediction 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.7 no.6, 2018년, pp.205 - 220  

류덕산 (KAIST, School of Computing) ,  백종문 (KAIST, School of Computing)

초록
AI-Helper 아이콘AI-Helper

소프트웨어 결함 예측은 결함이 자주 발생하는 모듈에 집중함으로써 소프트웨어 품질 보증 활동에 귀중한 프로젝트 리소스를 효과적으로 할당하는 데 도움이 될 수 있다. 회사 내에서 수집 된 충분한 기록 데이터를 사용하여 정확한 결함 발생 가능성이 높은 모듈 예측에 대해 WPDP (프로젝트 내 결함 예측)를 사용할 수 있다. 회사가 과거 데이터를 유지하지 못한 경우 CPDP (Cross-Project Defect Prediction) 메커니즘을 기반으로 오류를 예측하는 분류기를 만드는 것이 도움이 될 수 있다. CPDP는 다른 조직에서 수집 한 다른 프로젝트 데이터를 사용하여 분류기를 작성하기 때문에 정확한 분류기를 만드는데 가장 큰 장애물은 소스와 대상 프로젝트 간의 서로 다른 분포이다. 이 문제의 해결을 위해 효과적인 유사도 측정 기술을 식별하는 것이 중요하므로, 본 논문에서는 다양한 유사도 측정 기술을 CPDP 모델에 적용하여 성능을 비교한다. 유사도 가중치의 유효성을 평가하고, 통계적 유의성 검정 및 효과 크기 검정을 통해 결과를 검증한다. 실험 결과, k-Nearest Neighbor (k-NN), LOcal Correlation Integral (LOCI) 및 Range 방법이 유사도 측정 기술 중 상위 3 개에 속했고, 이들을 사용하는 CPDP 예측 성능이 WPDP의 성능과 유사하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Software defect prediction is helpful for allocating valuable project resources effectively for software quality assurance activities thanks to focusing on the identified fault-prone modules. If historical data collected within a company is sufficient, a Within-Project Defect Prediction (WPDP) can b...

주제어

#교차 프로젝트 결함 예측   #유사도 측정   #이상점 발견  

참고문헌 (50)

  1. S. Kim, E. Whitehead, and Y. Zhang, "Classifying software changes: Clean or buggy?," Softw. Eng. IEEE Trans., Vol. 34, No.2, pp.181-196, 2008. 

    상세보기 crossref

  2. K. O. Elish and M. O. Elish, "Predicting defect-prone software modules using support vector machines," J. Syst. Softw., Vol.81, No.5, pp.649-660, May 2008. 

    상세보기 crossref

  3. E. Arisholm, L. C. Briand, and E. B. Johannessen, "A systematic and comprehensive investigation of methods to build and evaluate fault prediction models," J. Syst. Softw., Vol.83, No.1, pp.2-17, Jan. 2010. 

    상세보기 crossref

  4. T. Hall, S. Beecham, D. Bowes, D. Gray, and S. Counsell, "A Systematic Literature Review on Fault Prediction Performance in Software Engineering," IEEE Trans. Softw. Eng., Vol.38, No.6, pp.1276-1304, Nov. 2012. 

    상세보기 crossref

  5. T. Menzies, Z. Milton, B. Turhan, B. Cukic, Y. Jiang, and A. Bener, "Defect prediction from static code features: current results, limitations, new approaches," Autom. Softw. Eng., Vol.17, No.4, pp.375-407, May 2010. 

    상세보기 crossref

  6. M. D'Ambros, M. Lanza, and R. Robbes, "Evaluating defect prediction approaches: A benchmark and an extensive comparison," Empir. Softw. Eng., Vol.17, No.4-5, pp.531-577, Aug. 2012. 

    상세보기 crossref

  7. T. Zimmermann, N. Nagappan, H. Gall, E. Giger, and B. Murphy, "Cross-project defect prediction," in Proceedings of the 7th Joint Meeting of the European Software Engineering Conference and the ACM SIGSOFT Symposium on The Foundations of Software Engineering, pp.91-100, 2009. 

  8. Z. He, F. Shu, Y. Yang, M. Li, and Q. Wang, "An investigation on the feasibility of cross-project defect prediction," Autom. Softw. Eng., Vol.19, No.2, pp.167-199, Jul. 2011. 

  9. Y. Ma, G. Luo, X. Zeng, and A. Chen, "Transfer learning for cross-company software defect prediction," Inf. Softw. Technol., Vol.54, No.3, pp.248-256, Mar. 2012. 

    상세보기 crossref

  10. J. Nam, S. J. Pan, and S. Kim, "Transfer defect learning," in Proceedings of the 35th International Conference on Software Engineering, pp.382-391, 2013. 

  11. D. Ryu, J. Jang, and J. Baik, "A Hybrid Instance Selection using Nearest-Neighbor for Cross-Project Defect Prediction," J. Comput. Sci. Technol., Vol.30, No.5, pp.969-980, 2015. 

    상세보기 crossref

  12. G. Woodbury, "An Introduction to Statistics." Cengage Learning, 2001. 

  13. D. Ryu, O. Choi, and J. Baik, "Value-cognitive boosting with a support vector machine for cross-project defect prediction," Empir. Softw. Eng., Vol.21, No.1, pp.43-71, Feb. 2016. 

    상세보기 crossref

  14. B. Turhan, T. Menzies, A. B. Bener, and J. Di Stefano, "On the relative value of cross-company and within-company data for defect prediction," Empir. Softw. Eng., Vol.14, No.5, pp.540-578, Jan. 2009. 

    상세보기 crossref

  15. T. Pang-Ning, M. Steinbach, and V. Kumar, "Introduction to Data Mining." 2006. 

  16. T. Grbac, G. Mausa, and B. Basic, "Stability of Software Defect Prediction in Relation to Levels of Data Imbalance.," in Proceedings of the 2nd Workshop of SQAMIA, 2013. 

  17. N. V Chawla, K. W. Bowyer, L. O. Hall, and W. P. Kegelmeyer, "SMOTE : Synthetic Minority Over-sampling Technique," J. Artif. Intell. Res., Vol.16, pp.321-357, 2002. 

  18. C. C. Aggarwal, "Outlier Analysis." New York, NY: Springer New York, 2013. 

  19. H.-P. Kriegel, M. Schubert, and A. Zimek, "Angle-based outlier detection in high-dimensional data," Proceeding 14th ACM SIGKDD Int. Conf. Knowl. Discov. Data Min. (KDD '08), pp.444-452, 2008. 

  20. N. Altman, "An introduction to kernel and nearest-neighbor nonparametric regression," Am. Stat., Vol.46, No.3, pp.175-185, 1992. 

    상세보기

  21. R. Hamming, "Error Detecting and Error Correcting Codes," Bell Syst. Tech. J., Vol.XXIX, No.2, 1950. 

  22. B. Raman and T. R. Ioerger, "Enhancing Learning using Feature and Example selection," Texas A&M Univ. Coll. Station. TX, USA, 2003. 

  23. E. Parzen, "On estimation of a probability density function and mode," Ann. Math. Stat., Vol.33, No.3, pp.1065-1076, 1962. 

    상세보기 crossref

  24. M. Breunig, H. Kriegel, R. Ng, and J. Sander, "LOF: identifying density-based local outliers," ACM Sigmod Rec., pp.1-12, 2000. 

  25. S. Papadimitriou, H. Kitagawa, P. B. Gibbons, and C. Faloutsos, "LOCI: Fast outlier detection using the local correlation integral," Proc. - Int. Conf. Data Eng., pp.315-326, 2003. 

  26. S. Lloyd, "Least squares quantization in PCM," IEEE Trans. Inf. Theory, Vol.28, No.2, pp.129-137, 1982. 

    상세보기 crossref

  27. I. T. Jolliffe, "Principal Component Analysis." Springer, 2002. 

  28. T. Kohonen, "Self-organized formation of topologically correct feature maps," Biol. Cybern., Vol.43, No.1, pp.59-69, 1982. 

    상세보기 crossref

  29. C. M. Bishop, "Pattern recognition and machine learning." New York, New York, USA: Springer, 2006. 

  30. B. Turhan, A. Tosun MIsirli, and A. Bener, "Empirical evaluation of the effects of mixed project data on learning defect predictors," Inf. Softw. Technol., Vol.55, No.6, pp.1101-1118, Jun. 2013. 

    상세보기 crossref

  31. M. Jureczko and D. Spinellis, "Using Object-Oriented Design Metrics to Predict Software Defects," in Models and Methods of System Dependability. Oficyna Wydawnicza Politechniki Wroclawskiej, 2010, pp.69-81. 

  32. T. Menzies et al., "The PROMISE Repository of empirical software engineering data," 2012. [Online]. Available: http://openscience.us/repo/. 

  33. K. Beyer, J. Goldstein, R. Ramakrishnan, and U. Shaft, When is "nearest neighbor" meaningful? Springer-Verlag, 1999. 

  34. S. Lessmann, B. Baesens, C. Mues, and S. Pietsch, "Benchmarking Classification Models for Software Defect Prediction: A Proposed Framework and Novel Findings," IEEE Trans. Softw. Eng., Vol.34, No.4, pp.485-496, 2008. 

    상세보기 crossref

  35. M. Hall, E. Frank, and G. Holmes, "The WEKA data mining software: an update," ACM SIGKDD Explor. Newsl., Vol.11, No.1, pp.10-18, 2009. 

    상세보기 crossref

  36. P. C. Mahalanobis, "On the generalised distance in statistics," in Proceedings of the National Institute of Sciences of India, Vol.2, No.1, pp.49-55, 1936. 

  37. F. Menzies T, Greenwald J, "Data mining static code attributes to learn defect predictors," IEEE Trans. Softw. Eng., Vol.33, No.1, pp.2-13, 2007. 

    상세보기 crossref

  38. B. Turhan, A. Tosun, and A. Bener, "Empirical Evaluation of Mixed-Project Defect Prediction Models," in Proceedings of the 37th EUROMICRO Conference on Software Engineering and Advanced Applications, pp.396-403, 2011. 

  39. Y. Kamei, S. Matsumoto, A. Monden, K. I. Matsumoto, B. Adams, and A. E. Hassan, "Revisiting common bug prediction findings using effort-aware models," IEEE Int. Conf. Softw. Maintenance, ICSM, 2010. 

  40. S. Wang and X. Yao, "Using Class Imbalance Learning for Software Defect Prediction," IEEE Trans. Reliab., Vol.62, No.2, pp.434-443, Jun. 2013. 

    상세보기 crossref

  41. M. Friedman, "The use of ranks to avoid the assumption of normality implicit in the analysis of variance," J. Am. Stat. Assoc., No.32, pp.675-701, 1937. 

  42. M. Friedman, "A comparison of alternative tests of significance for the problem of m rankings.," Ann. Math. Stat., No.11, pp.86-92, 1940. 

  43. J. Demsar, "Statistical comparisons of classifiers over multiple data sets," J. Mach. Learn. Res., Vol.7, pp.1-30, 2006. 

  44. J. Tukey, "Comparing individual means in the analysis of variance," Biometrics, No.5, pp.99-114, 1949. 

  45. P. Nemenyi, "Distribution-free multiple comparisons.," Princeton University, 1963. 

  46. O. J. Dunn, "Multiple comparisons among means," J. Am. Stat. Assoc., No.56, pp.52-64, 1961. 

  47. F. Wilcoxon, "Individual comparisons by ranking methods," Biometrics Bull., pp.80-83, 1945. 

  48. A. Arcuri and L. Briand, "A practical guide for using statistical tests to assess randomized algorithms in software engineering," in 2011 33rd International Conference on Software Engineering (ICSE), pp.1-10, 2011. 

  49. A. Vargha and H. D. Delaney, "A Critique and Improvement of the CL Common Language Effect Size Statistics of McGraw and Wong," J. Educ. Behav. Stat., Vol.25, No.2, pp.101-132, 2000. 

    상세보기

  50. D. M. J. Tax, "DDtools, the Data Description Toolbox for Matlab." 2014. 

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로